本動画は、企業のAI導入動向に関するデータ分析を基に、AnthropicとOpenAIの収益成長やエンタープライズ市場への浸透度を比較・解説する内容である。金融企業RAMPのチーフエコノミストであるアラ・カラジアン氏をゲストに迎え、企業がいかにしてAIツールに投資し、どのモデルを選択しているかという実態を深掘りする。さらに、GoogleのGeminiの立ち位置や、オープンソースAIのビジネスモデルの限界、AI活用による生産性向上の限界点など、最前線のAIトレンドについて包括的な議論が展開される。
ライブ配信の開始と世界中からの視聴者への挨拶
よし、ようこそ。いらっしゃいませ。こんにちは。少し早めに始めますが、始まりましたね。皆さんが集まってくるまで数分待ちます。こんにちは。皆さんどこから見ているか教えてくださいね。世界中から見てくれているのを知るのは本当に素晴らしいことですから。さて、今日お話しするのは、OpenAI対Anthropicについてです。具体的には、彼らの収益成長やエンタープライズへの浸透度についてですね。そして今日はとても特別なゲストをお招きしています。後ほど紹介しますね。よし、デンマーク。デンマークはどうですか。スコットランドのスティーブ。オスロのエリカ。アリゾナ州メサ、ロサンゼルス。ロサンゼルスはどうですか。オランダ。いくつか画面に表示してみますね。ビーチから参加、金曜日には最高の場所ですね。チェコ共和国。パトリックはどうですか。スイス、こんにちは。スイスのメタ、調子はどうですか。ジャクソンビルのジョナサン、ようこそ。トリニダード・トバゴ。いいですね。アンドリュー、どうですか。アイスランドのレイキャビク、あれはPCPゲームズ、いやCCPゲームズでしたっけ。Eve Onlineの会社があるところですよね。パレスチナ、キプロス。ポルトガル、イスラエル、ニューヨーク。調子はどうですか。インド、ドイツ、本当に世界中からですね。素晴らしい。配信へようこそ。さて、本当にクールです。ようこそ、いらっしゃいませ。今日はリラックスした雰囲気で配信を進めていきますが、話すべき重要なトピックがあります。そしてゲストをお呼びしたいと思います。カンボジア、ナイジェリアはどうですか。素晴らしい。見てくださいよ、本当に世界中からです。さて、特別なゲストとしてRAMPのエコノミストであるアラ・カラジアンをお迎えしています。彼は本当に素晴らしいレポートを出しているんです。以前にもこのライブ番組に出演してもらったことがあります。彼はAnthropicとOpenAIの収益や、企業への浸透度に関する本当に素晴らしいレポートを発表しました。そこで私は彼に連絡して、番組に出てくれないかと頼んだところ、快く引き受けてくれました。ではアラ、画面にお呼びしますね。少し待ってください。ちょっと待ってくださいね。ここに追加しようとしています。もう慣れていると思うかもしれませんが、そんなことはありません。よし、これでどうだ。やあ、アラ。
つながりましたか。素晴らしい。はい、つながっていますよ。紹介してくれてありがとうございます。自分ではこの番組の友人だと思っています。
もちろんです。これで2回目の出演ですからね。公式に番組の友人という立ち位置です。おかえりなさい。
ありがとうございます。
機材のセットアップとAI音声モードの話題
ゲストの方が私よりも良い機材環境を整えているというのは普通ではないのですが、あなたは完璧ですね。椅子も、お茶も、背景も揃っています。マイクの音も本当に素晴らしいです。
最近はよりコンテンツクリエイターらしくなろうとしているんですよ。どうやって競争に勝つかという、先を見据えた自分自身の願望に基づいています。
いやあ、その見た目は本当にいいですね。実は私も今2つ目のセットを作っていて、今のあなたのように少し引いた画角にしようとしているんです。ちなみに今は完全に舞台裏のような状態ですが。カメラに向かって話すだけで体の上部4分の1しか見えないのではなく、もっと引いた画角にする予定で、現在準備中です。
いいですね。機材についてももっと話すべきですね。
もう一度言ってくれますか、ごめんなさい。
次回の配信ではAV機器のセットアップについても話すべきだと言ったんです。
ええ、今日はずっとAV機器のセットアップについて話してもいいくらいですよ。OpenAIやAnthropicのことなんて今どうでもいいじゃないですか。あ、Marmar Labs、おかえりなさい。Luigi Clemente、おかえりなさい。皆さんのコメント、本当に嬉しいです。誰かが彼はAIですかって書いていますが、冗談ですよね。どっちのことでしょうか。私たち両方ですかね。どこにありますか。あ、ありました。さて、ところでアラ、あの人見ましたか。OpenAIの音声モードと話しているショート動画を投稿している人です。もちろん名前は忘れてしまいましたが、AIに本当に突拍子もないことを言わせるんです。
ええ、彼の動画は大好きですよ。サム・アルトマンとのインタビューで、誰かがサム・アルトマンに彼の動画の1つを見せたこともありましたね。
ええ、もし皆さんがその動画を見ていないなら、私も彼の名前を思い出せないのですが、見ればすぐに彼だとわかります。彼はOpenAIの音声ボットと話していて、狂ったことを言わせようとしているわけではなく、日常的な会話の中で、AIがいかに調子を合わせてきて、間違った方向に導いたり、完全に間違った情報を提供したりするかを示しているんです。
ええ、そしてサム・アルトマンはその動画に反応せざるを得ませんでした。それがOpenAIだけでなく、AIモデル全般のPR的な側面にどれほど影響を与えているか想像できるでしょう。本当に面白い動画です。
ご存知の通り、Voice Mode 2が出たばかりですよね。でも彼らが実際にアップデートしたとは思いません。ちなみに、ゲストの音量が小さすぎるという声がありました。これで良くなりましたか。少し上げました。もっと上げる必要があるなら教えてください。でも、ChatGPTアプリの音声モードは実際にはアップデートされていないと思います。だからあの人の動画のようになるんですよね。
そうですね、モデル自体は優れていて、トークンを十分に与えて考えさせれば、自己修正することができますから。すみません、でも音声モードでは、人々は即座のフィードバックを求めるものです。
おっと、電話を取り出したらそっちの音声に切り替わってしまって、あなたが言ったことを聞き逃してしまいました。
私が言っていたのは、モデルは優れているということです。特にプロフェッショナルな環境で、いくつかのトークンを与えて10秒から20秒考えさせてから返答させる場合はそうです。しかし、何かに直接話しかける音声モデルではそれができません。
ええ、正直なところ、遅延は事実上ゼロでなければなりません。さらに、Omniモデルである必要がありますよね。音声を処理し、同時に知能と音声を兼ね備えていなければなりません。これは異なる種類のモデル群であり、AIをカスタマーサービスの文脈で機能させる上で、おそらく大きな障壁の1つになるでしょう。
その通りです。
Omniモデルである必要があると考えていますか。それとも、テキスト読み上げや音声認識を行い、その中間に大規模言語モデルを挟むようなやり方を多くの人が行っているのは知っていますが、どちらがより価値の高い実装になると思いますか。
それらのモデルのどれかが本質的に間違っているとは思いません。実際のユースケースによりますね。例えばカスタマーサービスを例に挙げると、AIの導入によって非常に早く拡張されるか、あるいは自動化される職種の1つがカスタマーサービスだろうという考えを私は信じていました。しかし、どのように実装しようとも、LLMがプロセスのどこにあろうとも、LLMに返答を考えさせつつ、音声モードでユーザーに十分に早く回答を提供するという点において、限界要因が存在します。ですから、プロセスの段階はそれほど重要ではなく、この1つの限界要因が存在する限り、それはLLMの事実として立ちはだかるのです。
RAMPの特異な立ち位置とAI投資データ
なるほど。ちなみに、まず最初に、アラはRAMPという最近かなり急速に成長している企業の出身で、他の企業からは見たこともないような、ましてや他のスタートアップからも見たことがないような、ハードコアで技術的な人工知能プロジェクトを次々と打ち出していますね。一体何が起きているんですか。トップダウンでCEOがビジョンを持っているということでしょうか。
その質問には、RAMPでの私の少し変わった役割の独自性について話すことで答えましょう。RAMPはAI金融企業です。製品自体は、法人カード、請求書支払い、資金管理、会計エージェント、そして財務チームが帳簿をより早く締めるためのツールです。それが製品です。しかし、私はRAMPのエコノミストです。私の仕事は、私たちが持っている独自のデータセットを使用して経済調査を行うことです。そして、それがまだ少し驚きをもたらすことは想像できるでしょう。設立からまだ7年ほどのRAMPのような企業が、なぜ経済学のチームを持っているのかと。それは、私たちが5万社の企業、年間1000億ドルの支出をカバーしているからです。そのため、私たちは企業がどこにお金を使っているか、どこで支出を控えているか、どのような種類の投資を行っているか、特に最近AIにどのような投資を行っているかというデータセットを持っています。私たちのプラットフォームには、かなりテクノロジーに明るい企業も多く存在します。そのため、行われているAIへの支出の多くが私たちのプラットフォームを経由しています。そしてその中で、私たちは企業がどこにお金を払っているかを見るだけではありません。OpenAI対Anthropicというだけでなく、彼らがプラットフォームに領収書や請求書をアップロードして税務コンプライアンスを満たす必要があるため、それらも目にすることができます。そのため、彼らが具体的にどのモデルを使用しているか、Claude Codeを通じたサブスクリプションを使用しているのか、APIを使用しているのか、Opus対Sonnet対Gemini Flashを使用しているのかまで見ることができるのです。これが私たちの調査の原動力です。この価値は、もしあなたがAIの購入方法を理解したい場合、これは非常に急速に変化している業界であるため、非常に技術的な人であれ、単に会計チームの人間であれ、理想的には市場がどこに向かっているか、他の人が何を使っているかについての何らかのデータセットから情報を得たいと思うでしょう。しかし、これらの企業はすべて非公開企業であり、アメリカ合衆国で企業がどのように運営され、支出しているかを追跡する公開データセットはありません。AI業界がどのように発展しているかについては、少なくとも一般に公開されている情報からの可視性はさらに低くなります。そこで、私たちはAI支出全体を追跡し、さらにモデルレベルでも追跡する調査を通じて、その情報を公開しています。さらに深く掘り下げて、その支出がどのように変化しているか、APIやエージェントといったより集中的なユースケースに向かっているのか、AIの初期採用者と比較的最近の採用者の間で支出がどのように推移しているかを追跡します。そして、市場がどこに向かっているかについての予測を提供し共有しています。しかし、これはRAMP自体が非常にAIに積極的であることからも来ています。RAMPでは多額の投資が行われており、私の調査の多くは、この会社で行われているAI実験の種類を見て、他の企業が私たちのデータセットの中でAIをどのように実験しているかを見ることができるかどうかに基づいています。
RAMPは主に、あるいは排他的に民間企業にサービスを提供しているのですか。
私たちのプラットフォームには非営利団体もありますし、公共部門への動きもあります。例えばアイオワ州のケッチャム市から、より大規模な政府機関までがRAMPを使用しています。しかし、これまでの私の経済調査では、民間部門全体のデータのみを報告してきました。エキサイティングな調査の最前線の1つは、政府や非営利団体がこの技術をどのように導入し始め、それが今後の生産性にどう影響するかを見ることになると思います。
Augtoが、あなたはバイブエコノミストだと言っていますよ。それはご自身でも当てはまると感じるラベルですか。実際、RAMPのエコノミストとしての仕事で、AIツールをどの程度使用しているのか興味があります。
経済学という専門分野はAIによって大きく変わったと思います。まず第一に、経済学の仕事の多くは、他のほとんどの社会科学と比較しても、少なくとも過去20年から30年の間、はるかに定量的で技術的なものでした。そのため、より多くのコーディングが必要でした。ソフトウェアエンジニアやデータサイエンティストのコーディングに起こったのと同じ発展が、エコノミストの役割も変えました。私たちが適用している方法論についても、モデルが訓練されたGitHubリポジトリがたくさん存在します。モデルは差分の差分法や私たちが使用する手法の適用方法を知っています。もちろん、MLエンジニアがモデルを訓練するのと同じように、自分自身でのファインチューニングは依然として行いますし、AIモデルがこの種のコードを書く際に正しい仮定を置いているかを確認する必要はあります。実際、バイブコーディングならぬバイブエコノミクス的な仕事が、AIが調整しているパラメーターを正確には把握しきれないために、非常に似たプロンプトに対して極めて異なる結果をもたらす可能性があるという興味深い研究もたくさんあります。しかし、他のソースからデータを取得したり、オンラインからスクレイピングしたり、面倒な政府のAPIの使い方を理解したりするための深い調査プロセスに飛び込む前に、反復し、実験し、あちこちの小さなアイデアを確認することがはるかに速くなりました。今ではLLMをそこに向けるだけで、データを取得してくれます。ですから、AIモデルを使用しているおかげで私の研究の生産性は飛躍的に向上しました。
エンタープライズ市場におけるAIモデルの導入トレンドとコスト問題
素晴らしいですね。さて、今これを見ている方は、ぜひいいねとチャンネル登録、そしてシェアをお願いします。本当に感謝します。アラは、Anthropicの収益やOpenAIの収益について、非常に興味深い洞察を持っています。最近ウォール・ストリート・ジャーナルの記事が出たので、今日はそれについて話そうと思っています。だから本当にこの情報を広めたいんです。チャンネルの助けになりますので、よろしくお願いします。あともう1つ言いたかったことがあります。マーク・サントス、あなたは自分のYouTubeチャンネルでAIについて話し始めましたね。とてもクールです。それを聞いて嬉しいです。クラブへようこそ。さて、どうでしょう。記事を共有して少し見ていきましょうか。
ええ、話しましょう。これは私たちが今週発表した主な結果です。少し紹介させてください。私たちの主力調査はRAMP AIインデックスと呼ばれています。これは基本的に、アメリカ合衆国で何らかの形でAIにお金を払っている企業の割合を追跡しているだけです。繰り返しますが、これはRAMPの支出データに基づいています。なぜこれが非常にユニークなのかというと、他の方法がないからです。経済学の専門分野では、AIが経済や生産性に変革をもたらすとしても、それがGDPや労働生産性の統計にすぐには現れないだろうと一般的に理解されています。それはほとんどの技術革命においてそうでした。従業員や企業がそれをどのように使うかを理解するまでの学習曲線や、人々の日常業務にそれが実装されるまでの遅れが一般的に存在します。それにもかかわらず、AIには多くの投資が行われています。ですから、政策立案者や企業が、私たちが生産性の向上を実際に見ることができるかどうかの先行指標となる指標を追跡したいと考える理由は理解できるでしょう。そのため、これまでの主な指標は、企業がそれを使用しているかどうかでした。企業はAIを使っているか、そして理想的には、その使用を倍増させているか。彼らは契約を更新しているか、時間の経過とともにより多くのトークンに支出しているか、複数のモデルを試しているか。現在GDPの成長を牽引していなくても、企業がそれを使用し、理解し、従業員がそこに何らかの価値を見出しているため、企業が毎年この投資を行う意思があることを示唆する一連の指標です。
あなたが指摘する点は非常に興味深いですね。少し話を止めさせてください。ところで、見ている方で途中で質問や考えがあれば、ぜひ書き込んでください。そのための場所ですから。私たちが答えようとします。私たちと言っても、実際にはアラのことですが。すみません。これは本当に興味深いことだと思います。ご存知の通り、AIインフラの構築には巨大な投資が行われています。人類の歴史上かつて見たことのないような規模の投資が現在行われており、減速する気配はありません。そしてAIに対する悲観論の多くは、私たちがGDPの増加を必ずしも見ていないという事実から来ており、それが遅行指標であるにしても、私たちが期待していたような生産性の向上を見ていないということから来ています。しかし、人々はタイムラインを間違えているのではないかと思います。今日お話しするOpenAIやAnthropicからの収益は明らかに爆発的に伸びています。今年の初めからのすでに大きな数字から何倍にもなっています。人々はAIを使用しており、主なユースケースはコーディングです。しかし、私はまだ疑問に思っています。これらすべてのトークンにお金を払っている企業は、彼らが期待している生産性の向上を実際に見ているのでしょうか。最終的には、CFOが成果を見て生産性が桁違いに向上していないと判断した場合、難しい決断が下されるという試練の時が来るでしょう。アラ、これについてどう思いますか。
あなたが鋭い指摘をしていると思います。私たちのプラットフォーム上で、すでにAPIやAIに支出していた企業のトークンあたりのAI支出が、昨年だけで13倍から14倍に増加しているのを確認しています。ですから、導入曲線でかなり進んでいる企業でさえ、AI支出自体は給与を除く総支出の1%未満です。依然としてかなり小さな費目です。SaaSの支出と比較してもまだまだ小さいです。しかし、もし前年比14倍という軌道に乗っていれば、それがどのようにして制御不能になり、企業が非常に早くそれを抑制するようになるか想像できるでしょう。ですから、もしすべてのAI企業が今、これらの企業が継続的に14倍の成長率で支出するという期待の下で成長しているなら、ほとんどの企業はそれを持続的に行うことはできないと思います。Uberも約1ヶ月前に、四半期だけで年間のAI予算を使い果たしたと発表しました。このようなことはますます起こるようになり、企業がより安価なモデルを選択することでこれに対応している兆候がますます見られるようになっています。すべてのタスクに常に最も高性能なモデルが必要なわけではありません。具体的には、OpenAIやAnthropicではないAI企業を導入しているのを目にしています。OpenRouterやCursorのようなプラットフォームを通じてプロセスをルーティングすることが増えています。これらは、より安価なモデル、そして多くの場合、実行するタスクにより適したモデルを自動的に、あるいは選択してルーティングすることを可能にします。
ええ、Anthropicを通じてより安価なモデルを使用することもできますよね。Opusの代わりにSonnetやHaikuを使用できますが、Claude Codeを直接使用している場合、これらのツールは自動では行われず、自分で選択する必要があります。
ええ。
Chantaraが、主なユースケースがコーディングだとどうしてわかるのかと質問しています。私の個人的な意見を言うと、皆がそればかり話しているからですし、毎日何十億という大量のトークンを使用している友人たちと話すと、彼らが現在使用している唯一のユースケースはコーディングだからです。しかしアラ、あなたはおそらく他の誰よりも、人々がこれらのトークンをどのように使用しているかについて高い可視性を持っています。あなたは何を見ていますか。主なユースケースがコーディングだというのは単なる推測ですか、それとも裏付けるデータがあるのでしょうか。
ビジネス支出のほとんどについて明確にしておきましょう。私はビジネス支出のデータセットを見ています。企業が何を使用しているかだけを見ています。消費者のChatGPTの支出は見ていません。しかし、発生しているビジネス支出の2つの主な構成要素があります。1つ目はAPIです。ビジネス支出の約80%は単なるAPIです。これはコーディングである可能性もありますが、そのほとんどは、バックエンドの製品体験を動かすためにAIモデルを使用しているテック企業です。彼らはソフトウェア上のラベル付けツールや独自のAI体験のようなAIツールを動かしており、それが仲介者を通じてOpenAIやAnthropicに直接送られています。ですから、約80%がそれであり、その一部はコーディングでもあります。そのほとんどは単なるAPI体験です。そして残りの20%がサブスクリプションです。これらのサブスクリプションの中で、少なくともサブスクリプションで発生している支出のほとんどは、エージェント的なコーディングを含む高性能なサブスクリプションの間に集中しています。コーディングタスクを実行できるような、利用可能なトークンが少し多い、より上位レベルのClaude Codeのようなものです。そのため、かなり多くの企業が、誰もがチャットボットとしてChatGPTやClaudeにアクセスできるエンタープライズサブスクリプションを導入しています。しかし、発生している支出のほとんどは、AIを活用した体験、AIネイティブアプリ、または特にコーディングのいずれかのために発生しています。消費されているトークンのほとんどもこれらの目的のためです。そしてあなたが言わんとしていることは、AIによって提供されている実際の価値について私たちが目にしている議論のほとんどが、コーディングの分野で起きているということだと思います。AIを最も早く導入し、現在でも約75%から80%という最も高いAI導入率を誇っている業界は、ソフトウェアとテクノロジー、金融、そしてプロフェッショナルサービスです。これらは基本的に、コーディングエージェントやサブスクリプションの恩恵を受けるであろうソフトウェアエンジニアリング、コーディング、リサーチを行う従業員を圧倒的多数抱えている業界なのです。
モデルのルーティングとコスト最適化の動向
なるほど。最近このことについてよく考えていました。Gemini Flashや、高速でやや性能は落ちるものの、最高峰のモデルの何分の一かの価格で利用できるOpenAIのモデルやSonnetモデルなど、実用的なモデル群があると思います。これらのモデルは信じられないほど重要であり、現在米国の企業の大部分を支えていないとしても、近い将来そうなるでしょう。これらの支出の多くが具体的にどのモデルに向かっているかについて、そこまで詳細な可視性を持っていますか。もし持っていない場合、それについてのご意見は。
支出のほとんどは依然としてフロンティアモデルに非常に早く流れています。新しいフロンティアモデルがリリースされると、1〜2ヶ月以内に支出の半分以上がすでにそのモデルに移行しています。
それは新しいモデルがリリースされるたびに、トークンあたりのコストが非常に高くなるため、支出がそれに追随し、利用量はそれほど強く追随していないからでしょうか。
まあ、最も高価なモデルがこれらの企業の収益のほとんどを生み出しています。多くの企業がHaikuやGemini Flashを使用していますが、これらは非常に安価であるため、OpenAI、Anthropic、Geminiへの実際のビジネス支出の10%から20%未満、間違いなく20%未満しか貢献していません。そのため、高額な支出は最も高性能なモデルに集中しています。しかし、これはおそらく変わるだろうと考えています。なぜなら、現在AIに最も多く支出している企業は、かなり大きなAI予算を持っている企業だからです。AIを購入する企業の構成は変化していくでしょう。つまり、常に最も高性能なAIモデルの費用を支払う予算や必要性を持たない企業を業界に引き込み始めるということです。これにより、利用量とHaikuやSonnetのようなモデルのシェアが増加するでしょう。次に、非常に集中的なAI採用企業であっても、AI予算の限界に直面し始め、可能であればより安価なモデルへタスクの一部を移行し始めるでしょう。特に、最も高価なモデルは実行にはるかに時間がかかる傾向があるためです。それらは計算上の制約を最も受けやすいものです。そのため、同じ価格であったとしても、その程度のパフォーマンスしか必要としない多くのタスクでは、SonnetやHaikuに切り替えたほうが良い場合が多いという製品上の問題を抱えています。しかし現在、エンジニアやデータサイエンティスト、エコノミストにとって、どのタスクをどのモデルにルーティングできるかを理解することは非常に困難です。
ええ、そしてAIラボは、最高で最安で最速のトークンを提供するインセンティブを持っていません。彼らは最も高価なトークンを提供するインセンティブを持っています。あるいは、その問題について全く考えていません。彼らにとって最優先の課題ではないのです。私はモデルのルーティングの大ファンです。まだ改善の余地はたくさんありますが、プロンプトを適切なモデルにルーティングするだけで、効率の向上、コスト削減、そしてパフォーマンスや全体的な品質さえも向上させることができます。私はそれがもっと普及するのを見たいです。まだその段階に達していないのか、それとも企業が自分でそれを行うほど洗練されていないのか。ラボ自身がそれを導入し、企業が自分でそれを行えるようにオンボーディングする必要があると思いますか。
今のところ、彼らには十分な競争圧力がかかっていないのだと思います。時間が経つにつれて、よりインテリジェントにルーティングできる企業へと支出が移行していくのを見るでしょう。モデル企業自身についても、今まさにAnthropicが初めてOpenAIを上回ってより多くの企業に利用されるようになったというニュースを見たばかりです。後でこれについても見ていきますが、Anthropicの台頭とOpenAIの新たな焦点が、彼らを互いにより競争的にさせ、予算の爆発的増加を目の当たりにしているCFOや企業の懸念に対処できるように促すことは想像に難くありません。理想的には市場の力が働き、パフォーマンスの問題を抱えるモデルを作成することではなく、企業がより効率的なツールを提供した結果としてAIの価格が下がり始めるのを見ることになるでしょう。
Anthropicの飛躍とウォール・ストリート・ジャーナルの報道
さて、配信の途中から来た方のために再度アラを紹介します。RAMPのチーフエコノミスト、アラ・カラジアンです。主に民間企業、そして公共企業がAIに関して具体的にどのように支出しているかについて、素晴らしい洞察を持っています。そして今日彼を招きたかった理由は、このウォール・ストリート・ジャーナルの記事です。この記事はAnthropicの収益とエンタープライズへの浸透がどれほど早く成長しているかを強調しています。「Anthropicは遅れをとっていたが、今やAIブームのトップランナーだ」と。Anthropicの収益はOpenAIの収益を追い抜きました。具体的にこの記事を取り上げた理由は、RAMPが見事なグラフをウォール・ストリート・ジャーナルに提供したからです。少し読んでから、アラにバトンタッチして洞察をもらいたいと思います。
「Anthropicは、ライバルのOpenAIよりも高い評価額を生み出す可能性のあるより速い成長と資金調達により、人工知能の覇権争いにおいて有力なトップランナーとして浮上している」。私たちは少なくとも非公開市場ではその高い評価額をすでに目にしていますね。非公開市場の評価額をどれだけ信じられるかによりますが。現在9000億ドルで資金調達をしていると読みました。さて、下にスクロールしてみましょう。ここが面白いところです。これは「AIサービスの有料サブスクリプションを持つRAMP顧客の割合」です。ここで興味深い点がいくつかあります。これを少し紹介してからあなたにお渡ししますね。まず第一に、Google、xAI、DeepSeekはすべて一番下です。オープンソースについて、そしてGoogleが何をすべきかについて話したいです。しかしここで見られるのは、OpenAIは明らかに初期に登場し、2025年の中頃に爆発的な成長を遂げましたが、現在に至るまで横ばいになっているように見えます。しかしAnthropicは、まさにその同じ時期に爆発的に成長しています。そして最後に、エンタープライズにおけるAIの全体的な浸透度についても話したいです。アラ、ここで何が見えるか説明してください。
私たちはこれらの結果を1年以上追跡してきました。繰り返しますが、これはまず非常にシンプルな指標です。RAMPのデータに基づいて、米国の企業のうちこれらのモデルを少しでも使用している企業の割合を示しているだけです。つまり、私たちは本当に導入状況だけを追跡しています。少なくともこの特定のチャートでは、その導入の強度さえ追跡していません。
実は、一瞬だけ遮ってもいいですか。これはRAMPの顧客の割合ですよね。前回番組に出演してくれたとき、RAMPの顧客はよりテクノロジーに明るい傾向があると言っていたと思います。
その通りです。私たちは産業の標準的な分布を持っています。テクノロジーだけでなく、製造業、金融業、医療機関もカバーしています。また、ウェブサイト上でこれらのセクターを分類しており、自分でデータをダウンロードしてエクスポートすることもできます。しかし、私たちの調査でわかったのは、RAMPの顧客はどうしてもテクノロジーに明るい傾向があるということです。そのため、米国の平均的な企業と比較して、AIを導入する可能性が高いと思われます。しかし、RAMPのデータ内であっても、比較的早期の導入企業であるRAMPのデータ内の企業によってさらに分類できることがわかります。RAMPにはテクノロジー企業もいれば、レストランや食品会社もいます。テクノロジー企業は、食品会社がどこに向かうかを示す先行指標になる傾向がありました。彼らは導入率が高く、複数のモデルを使用する可能性が高いです。食品・レストラン企業はAI導入の明白な候補ではありません。しかし彼らもそうした傾向を追随する傾向があり、ただより長いラグを伴って追随するだけです。私たちのデータセットでの主な結果は、2023年から2024年にかけては、AIはまだほとんどの企業にとって比較的小さな費目だったということです。比較的実験的でした。おそらく私たちのプラットフォーム上の10%から20%の企業が何らかの形で料金を支払っており、主要なプレイヤーはOpenAIで、Anthropicはその時期には1桁の導入レベルでした。導入のこの大規模な上昇が見られ始めるのは2025年になってからで、エンタープライズAIが少なくとも特定のセクターにおいて実際に生産性の向上をもたらし始めるのを見ることができます。これはコーディングエージェントが特に有用になり、モデルが非常に良くなった時期です。そしてOpenAIが、彼らが消費者のデフォルトであったという理由が大きいと思いますが、その成長の多くを牽引していました。企業がAIの購入戦略を練る際、誰から買うのか。消費者として理解している相手から買うわけです。これが2025年のストーリーでした。2025年の終わりから1月にかけて、この変曲点が見られます。1月に初めて、AIを初めて購入した顧客に注目しました。これは全くの新規導入企業です。以前は彼らは約60対40の割合でOpenAIを購入していましたが、1月になるとそれがわずか2、3週間のうちに逆転し、1月の終わりには実際にAnthropicが初めてAIを購入する企業にとって頼りになる選択肢になっていることがわかりました。
その瞬間のフロンティアモデルが何だったか覚えていますか。Opus 46か45でしたか。
46だったと思います。45か46ですね。その時期でした。しかし、それはモデルのせいではありませんでした。Claude Co-workが出たのも同じ時期でした。Claude Codeは数ヶ月前から出ていましたが、Claude Co-work、そして特に非技術系ユーザーやユースケースへのClaudeの進出が2025年末に起こり始め、その頃に私たちのデータセットに実際に現れ始めました。そして2026年の1月頃に本当に急激に伸び始めました。Claudeの成長の根底にあった重要な部分は、モデル企業がモデルを改善していたことですが、なぜOpenAIを追い抜いたのか。OpenAIは長い間消費者に焦点を当てており、エンタープライズに焦点を当て始めましたが、まだそのエンタープライズのユースケースを洗練させていませんでした。一方、Anthropicは常にこれらの高度な技術を持つユーザーに焦点を当てており、コーディングエージェント製品を本当に成功させ、その伝道者や初期導入者をしっかりと抱え込んだ後、これらの非技術的なユースケースやフォーマットへと拡大し始めました。Claude Co-workが登場し、それがサブスクリプションの成長や非技術系ユーザーの成長の多くを牽引しました。その後、国防総省がAnthropicをセキュリティ上の脅威と指定しましたが、それがAnthropicの成長を遅らせることは確かにありませんでした。なぜ人々がAnthropicにサブスクリプション登録するのかはデータからは分かりませんが、それが成長を遅らせなかったことは確かです。どちらかと言えば、この春にAnthropicは加速しました。
それは単なる偶然ですか、それとも、悪名は無名に勝るというようなことだったと思いますか。みんながAnthropicについてよく聞くようになりました。明らかに大統領がそれについて話し、国防省がそれについて話し、同時期にニュースの至る所で取り上げられていました。
悪評だった可能性もありますよ。私たちは消費者データセットを見ているのではなく、ビジネス支出データセットを見ていることを忘れないでください。ほとんどの企業、特に大企業、あるいは政府と仕事をする企業と何らかのつながりがある企業は、セキュリティ上の脅威指定の一環として、政府の仕事や政府との契約に何らかのつながりがある場合、Anthropicの使用を中止する必要があったはずだと想像できるでしょう。ですから、OpenAIから強力な競争力のある製品が利用可能であることを考えれば、彼らがAnthropicから乗り換えるタイムラインもあったはずです。それでも彼らが乗り換えなかったという事実は、国防総省の指定があまり真剣に受け止められなかったことを示していると思います。そして、指定の脅威が最初に出た数週間以内の報道で、国防総省がAnthropicの利用中止を望まない企業に対して例外を認めるための指定の遅延を快く申し出ていたことが注目されます。さらに今では、国防総省は依然として非常に積極的なAnthropicの顧客です。それがすぐに変わるようには見えません。ですから、ビジネスコミュニティはその指定に本当に動じなかったのです。少なくともデータではそうです。
Googleの立ち位置とオープンソースの将来
なるほど。ところで、あなたの時間を気にかけたいのですが、調子はどうですか。
大丈夫ですよ。
チャットをしばらく見ていなかったので、質問が気になっています。
ええ。よし。ではチャットを確認しましょう。チャットの皆さん、もしOpenAIの成長やそれがAnthropicとどう比較されるかなど、RAMPのチーフエコノミストであるアラに質問があれば、今すぐ書き込んでください。それが起こっている間に、Googleとオープンソースについて話しましょう。まずはGoogleについてです。なぜGoogleはOpenAIやAnthropicのような導入を見せていないのでしょうか。彼らは信じられないほど素晴らしいモデルを持っています。Opus 46、47レベルやGPT-5.5レベルではないかもしれませんが、非常に優れており、相対的に非常に安価です。何が起こっているのでしょうか。なぜGoogleはそのような成長を見せていないのですか。
実は、Googleのモデルの導入率は比較的高く、過小評価されていると思いますが、特に非技術系ユーザーの間で高いのです。GoogleはWorkspaceを通じてGeminiを無料で提供しているという、大きな流通上の利点を持っていることを忘れないでください。そしてちなみに、これは私たちが有料の導入のみを追跡しているため、私たちのデータセットでは追跡できないものです。ですから、Workspaceを通じてGeminiを無料で使っている場合、その理由で私たちのデータセットにおけるGeminiやGoogleの導入を著しく過小評価することになります。
なるほど、バンドルされているということですね。他の製品とバンドルされている場合、そのバンドルの中のAI部分に実際にどれだけの支出が割り当てられているかを判断するのは難しいということですね。
私が言いたいのは、有料の導入を追跡している場合、Workspaceを通じて無料で使用しているため、Googleのモデルを使用している企業の実際の数は、観察されるよりもはるかに多い可能性が高いということです。繰り返しますが、その使用の多くは非技術系ユーザーに集中するでしょう。それが流通の仕組みだからです。しかし、これらのモデルのユーザーとしての私自身の観点から、開発者体験について考えることができます。Claude CodeとOpenAIのCodexはどちらも、私が使用する必要のあるツール全体と私の会社で利用可能なコンテキストに非常によく統合されるツールを立ち上げました。Googleは本当にそのようなツールを立ち上げていません。自分で接続することもできますし、Geminiを実行して接続するローカルバージョンのターミナルを取得するシステムを構築することもできますが、設定するには技術的により複雑です。彼らは、少なくとも私たちのデータセットでは歴史的に導入の大規模な急増を牽引してきた、ClaudeやCodexのような真のデスクトップアプリの競合となるものを立ち上げていません。そのため、開発者がGeminiを積極的に使用していないように感じるのだと思います。しかし、発生しているAI製品ネイティブの体験の性質上、Geminiを通じて多くの支出が確実に行われています。Geminiを使用している企業は比較的少ないですが、AIに多額の支出をしている企業の中には、多くのAIネイティブ体験や独自の製品の強化、データのラベル付けにGemini Flashモデルを使用している企業があります。ですから、Geminiが小さなプレイヤーだとは思いません。単にソフトウェアエンジニアリングのタスクだけを見ている場合には、比較的小さいというだけだと思います。
よし、アラ。Mark Santosからの最初の質問があります。私からもこれに関する追加の質問がありますが、まずアラ、なぜ企業はClaudeに乗り換えているのだと思いますか。Xでは、多くの人がClaudeからGPT-5.5に乗り換えているのを見かけます。また揺り戻しが起きていると思いますか、それともまだClaudeへの移行トレンドは続いているのでしょうか。そして、Xの最初の雰囲気というものは、完全に孤立した独自の空間のものなのかどうかという、よりニュアンスのある質問もあるでしょう。しかし、まずはマークの質問に答えましょう。なぜ人々はClaudeに乗り換えているのでしょうか。
Claudeへの移行についてですが、Xが人口のほんの一部に過ぎないのか、事態の方向性を本当に代表しているのかという話をするとき、あなたは本当に興味深い点を突いています。OpenAIを使用している企業対Anthropicを使用している企業の数という平均値を測定するとき、その平均値の中には明確なグループが存在します。初期導入者と新規導入者、高頻度ユーザーと低頻度ユーザー、技術系ユーザーと非技術系ユーザーが存在し、彼らは皆異なる方向に動いているようなものです。少なくとも今は、彼らは皆異なる方向に動いています。私たちの推計は全体を追跡しますが、裏側での私たちの調査は、これらの異なるグループがどのように動いているかを追跡しています。非技術系で比較的利用頻度の低いユーザーを見ると、彼らの多くがClaudeを使い始めたり、Claudeに乗り換えたりしています。初めて購入してClaudeを使ったり、比較的利用頻度の低いユーザーがClaudeに乗り換えたりしています。一方、高度に技術的で高頻度なユーザーについて言えば、彼らの多くは以前から主にClaudeを使用していなかったとしても、OpenAIと並行してClaudeを使用しており、さらに複数のモデルを使用し始めることが増えています。これにはOpenAIも含まれますが、OpenRouterのようなプラットフォームを通じて利用可能なモデルや、ルーティング可能な無料でオープンソースのモデルも含まれます。ですから、もし先行指標としてそれらの初期導入者や高度に技術的なユーザーに注目したいのであれば（そうするのは理にかなっています）、非技術系のユーザーも同じ道を歩み始めるだろうと想像できるでしょう。私たちは必ずしも1つのモデルの使用に縛られることはないでしょう。私たちのプラットフォーム上の企業のますます多くの割合が2つ以上のモデルを使用しており、非技術系および技術系に隣接する企業の増加する数も、モデル企業だけでなく、あまり話題に上らない業界特化型のツールを使用し、大規模な契約を結び始めています。例えば法律AIツールのHarveyや、AIモデルの上に構築されたElevenLabsのような音声エージェント製品などですが、これらは非常に特化したものを提供します。企業が最初に行うAIの購入は、通常OpenAIかAnthropicになるでしょう。しかし、彼らが市場と利用可能なものに詳しくなると、これらの他のベンダーとの実験を始めます。この企業がAI導入曲線に沿って成熟しているかどうかの真のサインは、それらのベンダー、特にモデル企業以外のベンダーとの契約を更新するかどうかです。顧客とベンダーの間でより良いマッチングができているか。ベンダーは実際に市場にとって有用で関連性のある製品を提供できているか。このセクターには多くのダイナミズムがあるからです。ソフトウェア企業やB2BのSaaSにおいて、導入率が前月比で数パーセントポイントも変化するような事態に人々は慣れていないと思います。これはかなり珍しいことで、新参者がわずか1年で大規模な既存企業を駆逐できるほどです。GitHub CopilotとCursorでそれを見ました。そして今、AnthropicとOpenAIでそれを見たところです。
切り替えコストは事実上ゼロですよね。つまり、エンタープライズAIについて話すとき、唯一の切り替えコストは契約そのものだと思います。技術的な観点から言えば、GPT-5.5からOpus 47へ交換するのは、プロンプトを更新するだけです。本当にそれすらやらなくてもいいくらいですが、やれば少し最適化できる程度で、切り替えコストは事実上ゼロです。これらは現時点では単なるコモディティなのでしょうか。コモディティ化しつつあるのでしょうか。
明らかにコモディティではありません。なぜなら、Anthropicのようなものは多くの粘着性を持っていると考えられるからです。これはOpenAIのモデルよりも高価な製品です。Claude Codeのサブスクリプションを使用している場合、使用量は少なくなります。同じ価格で、実際にはOpenAIのCodexを通じて利用できるものよりも高い価格で、常にクラッシュし、常に中断され、常にトークンが不足するという劣化した製品を受け取ることになります。それでも、OpenAIよりも多くの開発者がClaudeを使用しています。ですから、明らかにまだいくらかの摩擦と、ある程度のユーザーの粘着性が存在します。しかしそれも変わり始めています。個人的な経験から言えば、RAMPの多くの開発者が先月よりもCodexを多く使用していることを知っています。具体的には、それが非常に優れたモデルであり、Claudeの品質低下に気づいたからです。ええ。そして企業もそれを認識しています。Anthropicは、これらの品質低下の問題を認識しているというリリースノート全体を発表しました。彼らは製品アップデートの組み合わせでそれを解決しました。彼らはより多くの計算能力を得るためにSpaceXとの契約全体を獲得し、すべての使用を無料にする、つまり皆のその月の制限をリセットすると発表しました。これらは企業によって軽く下された決定ではありません。彼らもまた競争圧力にさらされているのです。ですからそれらはコモディティではありませんが、多くの粘着性があるように見え、同時に競争圧力も高まっています。そしてそれは最終的にビジネスやこれらのモデルのユーザーにとって素晴らしいことだと思います。
オープンソースモデルの限界とAI投資の対費用効果
よし、マーク、質問ありがとうございました。本当に感謝します。他に質問を書き込みたい方はいますか。いくつかあるようですね。少しお待ちください。後で目を通します。そして、見ている方はぜひ配信にいいねをお願いします。そうすればより多くの人に見てもらえますから。感謝します。ありがとうございます。
Irish Pixelからの質問です。小規模企業にエージェントやローカルLLM、つまりオープンソースとの統合を採用するのを手伝っている立場として、これは最高峰の知能のイテレーションによってもうすぐ期限切れになる（終わる）と思いますか。彼が尋ねたいのは、DeepSeekの導入がほとんどないという、このチャートで見られるものと非常に似ていると思います。オープンソースはエンタープライズにおいて運命づけられている（失敗する）のでしょうか。私は全く逆だと思っていますが、あなたの考えを聞きたいです。これらのフロンティアのクローズドソースモデルの進化が速すぎて、オープンソースが追いつけないだけなのでしょうか。
終わるとは思いません。企業がモデルをローカルでホストするような長期的な未来はないと思います。ローカルホスティングが常に起こっている開発のスピードに追いつけるとは思えないからです。しかし、企業のためにこれらのモデルをホストし、そこで自分たちでモデルのアップデートを行うプラットフォームを利用する未来はあると思います。オープンソースは、フロンティアモデルから利用できるものと比べて常に少し遅れをとるのでしょうか。もちろん、大幅に遅れるでしょう。
永遠にそうなると思いますか。
ええ、もちろん。オープンソースモデルは、フロンティアモデルの出力を使用して訓練されているという大きな理由から、常にフロンティアモデルに対して遅れをとるでしょう。
そうである必要はないですよね。彼らはそうですが、そうである必要はありません。Anthropicから、中国のAIラボが蒸留ハッキングを行っているという報告が出たことは明らかです。ええ、DeepSeek、Kimi、他にも1つか2つありましたが、彼らは間違いなくそうしていました。しかしそれらは依然として非常に優れたモデルです。その蒸留ハッキングがモデルの性能にどれほど貢献したかの程度はわかりませんが、GoogleによるGemmaモデルファミリーを見ても、あれは蒸留されたモデルですよね。しかしそうである必要はありません。これらの企業はフロンティアのオープンソースモデルをリリースできます。ただ、それをめぐるビジネスモデルが存在しないだけです。実はあなたはこのことについて尋ねるのに最適な人物です。私はこれについてのエッセイを発表しました。米国にはオープンソースのビジネスモデルが存在しないと。同意しますか、それとも私は何か見落としているでしょうか。
これらのオープンソースモデルを利用可能にするインフラの周りには依然としてビジネスモデルが存在します。クリエイターにとっては。
私が意味することについてもう少し詳しく説明します。あなたがスタートアップで、フロンティアのオープンソースモデルを開発したいとします。あなたは多額の資金を調達しなければなりません。では、それらのオープンソースモデルの収益化ルートは何でしょうか。推論サービスを提供しなければなりません。信じられないほど素晴らしいモデルを構築するためにR&Dや研究者に多額の費用を費やさなければならないだけでなく、実際にそれをやり遂げたとしても、それを提供しなければなりません。しかし、もしあなたがそれをオープンソース化すれば、推論だけを行っている競合他社はあなたよりもはるかに高い利益率を持ち、その面であなたを打ち負かすことができるでしょう。
ええ、それが競争上の逆風になり得るということには同意します。ビジネスとして運営することをはるかに困難にします。しかし、従来のSaaSでさえ、主要な製品をオープンソース化し、同時にそれを製品化したバージョンを販売する企業があります。DBTがその一例です。ですから私の頭の中では、AIでも同様になるのではないかと考えています。ただAIは明らかにコストが高いですが。
そこが違いだと思います。
そこが違いです。初期投資が、これまで見てきた他のどの成功したオープンソースのビジネスモデルよりも桁違いに高いのです。
ええ。
しかし、この点を緩和する要因は、すべてのタスクにフロンティアの高性能モデルが必要なわけではないということかもしれません。ですから、それがこれらの種類のオープンソースモデルにとっての機会になり得るでしょう。需要は確実にあります。
Wagner Montesから質問です。アラとマット。コーディングに関して、私たちは費用対効果のプラトー（停滞期）に達しつつあると思いますか。価格が相対的な品質よりも重要になり、コモディティのようになる時期が来ると。私たちが話してきたことと非常に合致していますね。費用対効果のプラトーというのは、モデルにより多く支払う意味がないということだと思いますが、どう考えますか。
ええ、つまり質問の意図は、コーディングトークンへの支出は増加しており、コーディングトークンの単価も増加しているが、それらのトークンから経済的なアウトプット、生産性のアウトプットが得られているかということですね。
使用されている以上、AIによる生産性の向上は確実にあると思います。また、企業が支出をこれほど劇的に増やしている時期に私たちはいますが、まだ先は長いと思います。繰り返しますが、これは依然としてほとんどの企業予算にとって非常に小さな費目だからです。ただ、ほとんどの企業の予算がAIに対してそもそもそれほど高くないというだけです。そのため彼らはそれを使い果たし続けており、彼らが乗っている軌道が非常に高いため、AIにどれだけ予算を割り当てるべきか誰も確信が持てていないのです。ですから、費用対効果のプラトーに達したとは思いません。ほとんどの企業はまだこれらのモデルを適切に、最大限の範囲で使用していません。彼らは継続的により多くの利益を見るでしょう。人々はまだこれらのモデルを最も効果的に使用する方法を理解する必要があります。モデル企業はより効率的なルーティングに優れ、それらの製品を提供する必要があります。しかし、その圧力は複数の方向から来ると思います。ラボ自体もよりコスト効率の良い製品を提供できるように競争的になり、互いにプレッシャーをかけ合うでしょう。そして実際の企業やAIの購入者も、AI予算の限界に達するため、価格を直接下げ、より価格効率の高い種類のモデルを提供するようモデル企業にプレッシャーをかけるでしょう。
今後の展望と配信の締めくくり
よし、今のところ質問はこれだけのようですね。このグラフや私たちが目にしてきたことについて、最後に何か言っておきたいことはありますか。トップの座を争う駆け引きについてお聞きしたいです。最も優れたモデルを持つところに資金が流れるというだけのことなのでしょうか。それとも、AIラボが獲得できるような、より重要なロックイン（囲い込み）が存在するのでしょうか。
必ずしも1位の座を争う必要はないと思います。なぜなら、AIに最も多く支出している企業は通常、その支出を複数のAIプロバイダーに分散させているからです。彼らは継続的に実験を行い、モデルが更新されるたびにそれを使用し、どのタスクやユースケース、どのチームに何が適しているかを把握しています。この配布方法とあの配布方法、Claude Co-workを好む人もいれば、OpenAIの体験を好む人もいるといった具合にです。ですから、単にどのモデルが最もパフォーマンスが高いかということだけではありません。これらは結局のところ製品なのです。また、私はSaaS終焉論者ではありません。モデルを使用して独自のAIネイティブ体験を生み出し、ラボと非常に効果的に競争できるSaaS企業が存在すると本気で思っています。Claude DesignがFigmaを完全に駆逐するとは思いません。先月、彼らは決算を発表し、彼らを疑っていたすべての人に大きく反論してみせましたよね。そのFigmaは依然としてRAMPのプラットフォームで最も急成長している企業の1つでした。ですから、ClaudeやClaudeの製品はFigmaの競合にはなるでしょうが、それを排除することはないと思います。
ところでアラ、Claude Designを使ったことはありますか。
いいえ、でも使うべきですね。フロントエンドの作業はClaude Codeでいくつかやりましたが、Claude Designはまだ使っていません。
ここの人たちは使っていますよ。本当に素晴らしいのを見ました。デザインは本当に優れていますが、トークンの割り当てを数秒で使い果たしてしまいます。
ええ、それについては競争圧力がかかることを期待しています。さて、私たちがしているこの仕事は継続的な調査です。視聴者の皆さんに向けて、econ.substack.comでこれについて書いています。オンラインで執筆しており、そこでもフィードバックを受け付けています。RAMPのデータで見たいことがあれば、ぜひ声をかけてください。これは非常にダイナミックな市場であり、私たちがAIを測定する方法さえも変わっていくでしょう。導入率は、非常に保守的に見ても、1〜3年以内に90%、あるいは100%に達するでしょう。そうなった後、私たちは何を測定するのでしょうか。導入の強度、企業がそれをいかに効果的に使用しているか、コストがどのように変化しているか、どのチームが使用しているか、どのようなタスクに割り当てているか。そして理想的には、生産性統計にも何らかの動きが見え始めるでしょう。
アラ、本当にありがとうございました。参加してくれてありがとう。皆さんはどこであなたを見つけられますか。
Twitter、そして最近ではLinkedInですね。Instagramでも見つけられますよ。アカウント名はすべてEcon Lab、または私の名前のAra Kurazzianです。
Econ Labですね、私からもAra Kurazzianをチャットに落としておきます。Xで彼を見つけてフォローしてください。フォローする価値はありますよ。今回のような素晴らしいレポートを作成していますから。アラ、本当にありがとうございました。
お招きいただき、本当にありがとうございました。皆さんありがとう。またね。
よし、番組の友人であるアラを招くという新しい試みはとてもクールでした。皆さんも楽しんでいただけたなら幸いです。よし、ここで配信を終わろうと思います。イランからの愛、ありがとうございます。このフォーマットについてどう思ったか教えてください。業界に深く関わり、非常に知識が豊富で、本当に良い洞察を持っている人をカジュアルな会話に招くというものです。チャンネルにいいねをして、登録してくださいね。いつものように、前回も言いましたがもう一度言わせてください。私たちはニュースレターに多くの労力を注いでいます。ゲストの投稿者やオリジナルコンテンツがありますので、ぜひチェックしてください。forwardfuture.ai/newsletter です。今チャットに入れますね。forwardfuture.ai/newsletter。マーク、終わるなと言っていますね。私は今1人で、バックアップしてくれる人が誰もいないんです。だから今日はこれでおしまいにしようと思います。でも、来週ももっとライブ配信をしますよ。約束します。実は来週、ちょっとクールなことを計画しています。まだ何かは言えませんが、来週の後半になるかもしれません。そこでお会いしましょう。あ、もう1つ。火曜日のGoogle I/Oで、GoogleのCEOであるスンダー・ピチャイにインタビューします。ライブ配信されるので、ぜひ見てくださいね。本当にクールなものになるはずです。彼にいくつか面白い質問を用意しています。今日は参加してくれてありがとう。参加してくれた皆さん、コメントしてくれた皆さん、質問してくれた皆さん、本当にありがとうございました。皆さんが戻ってきてくれるのを見るのは楽しいです。それではまたすぐにお話ししましょう。皆さん、さようなら。
コメント